Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
1044 публикаций
Поиск: 465 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 47 с найденным полным текстом
Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association2025eng
Artificial intelligence (AI) is a colossal buzzword, a confusing subject matter, but also an inevitable reality. Generative and nongenerative AI are the 2 core subtypes of AI. Generative AI uses current data to understand patterns and generate new information, and it is especially valuable in producing synthetic medical images, enhancing surgical simulations, and expanding training datasets. Techniques such as generative adversarial networks (GANs), large language models (LLMs), and variational autoencoders (VAEs) allow for the creation of realistic simulations, text, and models that can be us
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Campus safety is an essential concern as schools, colleges, and universities work to create secure environments for students, staff, and visitors. Many existing security systems are not fully effective at detecting unusual behaviors or sending fast alerts, which can delay responses to potential threats. To improve this, the research introduces DeepCARE(Deep-learning-based Campus Anomaly & Risk Evaluation), a deep learning-based framework designed to enhance behavior recognition and early warning for campus security. DeepCARE combines convolutional neural networks (CNNs) with long short-term me
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Radiation pneumonitis (RP) is an inflammatory reaction in the lungs caused by radiation therapy. The etiology of RP is complex and varied, making it challenging to establish accurate predictive models for RP. The aim of this study is to develop a dual-modal prediction model for RP using pre-radiotherapy CT images of the patient's lungs, along with clinical and dose data. In this paper, an RP prediction model utilizing dual-modal data is proposed. Firstly, for CT image data, the Med3D transfer network, trained on a large-scale medical dataset, is employed to extract CT image features. To adapt
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Traditional Chinese Medicinal Plants (CMPs) hold a significant and core status for the healthcare system and cultural heritage in China. It has been practiced and refined with a history of exceeding thousands of years for health-protective affection and clinical treatment in China. It plays an indispensable role in the traditional health landscape and modern medical care. It is important to accurately identify CMPs for avoiding the affected clinical safety and medication efficacy by the different processed conditions and cultivation environment confusion.
RESULTS: In this study, w
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Characterizing the suture morphological variation is a crucial step to investigate the influence of sutures on infant head biomechanics. This study aimed to establish a comprehensive quantitative framework for accurately capturing the cranial suture and fontanelle morphologies in infants. A total of 69 CT scans of 2-4 month-old infant heads were segmented to identify semilandmarks at the borders of cranial sutures and fontanelles. Morphological characteristics, including length, width, sinuosity index (SI), and surface area, were measured. For this, an automatic method was developed to determi
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Fatigue plays a critical role in sports science, significantly affecting recovery, training effectiveness, and overall athletic performance. Understanding and predicting fatigue is essential to optimize training, prevent overtraining, and minimize the risk of injuries. The aim of this study is to leverage Human Activity Recognition (HAR) through deep learning methods for dimensionality reduction. The use of Adversarial AutoEncoders (AAEs) is explored to assess and visualize fatigue in a two-dimensional latent space, focusing on both semi-supervised and conditional approaches. By transforming c
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The COVID-19 pandemic has highlighted the need for a tool to speed up triage in ultrasound scans and provide clinicians with fast access to relevant information. To this end, we propose a new unsupervised reinforcement learning (RL) framework with novel rewards to facilitate unsupervised learning by avoiding tedious and impractical manual labelling for summarizing ultrasound videos. The proposed framework is capable of delivering video summaries with classification labels and segmentations of key landmarks which enhances its utility as a triage tool in the emergency department (ED) and for use
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Recently, deep-learning-based approaches have been proposed for the classification of neuroimaging data related to Alzheimer's disease (AD), and significant progress has been made. However, end-to-end learning that is capable of maximizing the impact of deep learning has yet to receive much attention due to the endemic challenge of neuroimaging caused by the scarcity of data. Thus, this study presents an approach meant to encourage the end-to-end learning of a volumetric convolutional neural network (CNN) model for four binary classification tasks (AD vs. normal control (NC), progressive mild
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Cancer epidemiology, biomarkers & prevention : a publication of the American Association for Cancer Research, cosponsored by the American Society of Preventive Oncology2026eng
BACKGROUND: Lung cancer is the leading cause of cancer-related death in the United States. Individual-level risk factors such as tobacco use are well characterized, but the community-level environmental, social, and economic contributions to geographic variation in incidence remain incompletely understood.
METHODS: We conducted an ecological analysis of 542 Medical Service Study Areas (MSSAs) in California, linking age-adjusted lung cancer incidence rates (AAIR, 2015-2019) to 27 indicators of pollution, population characteristics, and adult smoking prevalence. Machine learning and SHapley Add
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Gait analysis provides an objective characterization of locomotor function and is widely used to support diagnosis and rehabilitation monitoring across neurological and orthopedic disorders. Deep learning has been increasingly applied to this domain, yet most approaches rely on supervised classifiers trained on disease-labeled data, limiting generalization to heterogeneous pathological presentations. The methodological objective of this work is to develop a label-free framework for joint-level anomaly detection and kinematic correction based on a Transformer masked autoencoder trained exclusiv
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
High-throughput zebrafish screening generates large volumes of imaging data, creating a need for scalable computational methods that reduce dependence on manual annotation and repeated task-specific model development. In this study, we develop a self-supervised foundation model for zebrafish image analysis pretrained on more than 468,000 images from seven heterogeneous zebrafish imaging datasets spanning different developmental stages, imaging platforms, modalities, and experimental conditions. By learning a shared representation from diverse unlabeled zebrafish images, the proposed framework
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
A major issue after total knee replacement (TKR) surgery is asymmetric gait kinetics, which increases knee loads on the non-operated knee. This imbalance accelerates osteoarthritis (OA) progression, often leading to a second contralateral TKR. There is a clear need for an advanced wearable system with multiple sensors to accurately estimate gait kinetics in natural environments. This study aims to develop a machine learning framework that exclusively uses wearable inertial measurement units (IMUs) during overground and treadmill walking to estimate knee flexion moment (KFM) and knee adduction
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Alzheimer's Disease (AD) is a complex neurodegenerative disorder, with women comprising nearly two-thirds of individuals with AD. However, sex-specific heterogeneity in AD progression remains insufficiently understood. A data-driven approach is needed to characterise such heterogeneity from longitudinal electronic health records (EHRs).
METHODS: We developed a deep learning-based framework to uncover sex-specific AD sub-phenotypes using longitudinal EHRs from OneFlorida+ Clinical Research Consortium. We constructed temporal representations of these EHRs and employed an autoencoder
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Valence detection in complex environment is critical for natural behaviors like foraging. Previous studies have explored valence processing in brain regions like lateral horn (LH) and mushroom body (MB) using simple synthetic stimuli in Drosophila. However, the neural basis for valence detection of natural objects in complex contexts remains unclear. Here, by brain-wide connectome analysis, we identified the evolutionarily conserved superior protocerebrum (SP) that integrates brain-wide multimodal inputs mainly via LH and MB, and sends widespread outputs particularly to the central complex (CX
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This paper addresses the critical challenge of achieving both accuracy and interpretability in anomaly detection within complex multidimensional time-series physical fitness data. We design and implement an innovative framework based on a Hierarchical Deep Q-Network (HDQN) that effectively processes and learns the inherent multi-scale and multi-granularity characteristics of physical fitness data. The introduction of a hierarchical structure enables the model to capture subtle patterns at different levels of abstraction, from low-level sensor fluctuations to high-level behavioral patterns. The
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Modern supply chains operate as complex, interconnected, and data-rich networks, generating vast amounts of multivariate time-series data. While highly efficient, this complexity renders them vulnerable to unforeseen disruptions. A significant barrier to applying modern machine learning is the inherent scarcity of labeled anomaly data. To address this, we propose deep operational normality modeling (DONM), an unsupervised deep learning framework based on a variational Transformer autoencoder (VTAE). DONM is trained exclusively on data representing normal, healthy operational conditions, learni
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
De novo protein design has emerged as a transformative approach for generating functional proteins without relying on naturally occurring templates, offering vast potential in biomedical and industrial applications. The integration of generative deep learning and evolutionary computation has opened new avenues in synthetic protein engineering. In this study, a hybrid framework, termed GAN-GA (Generative Adversarial Networks + Genetic Algorithm), has been proposed to address the limitations of traditional sequence based generation methods. Specifically, Wasserstein GANs have been employed to pr
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Somatic symptom disorder (SSD) exhibits substantial clinical heterogeneity that limits treatment efficacy, with more than 40% of patients failing to respond to standard interventions. Here, we developed a framework that integrates multifrequency electroencephalography (EEG) connectomics with contrastive learning to identify distinct subtypes of SSD.
METHODS: A contrastive variational autoencoder with Gaussian mixture modeling was developed using resting-state EEG connectomics from a discovery cohort of 1419 patients with SSD. The derived subtypes were clinically correlated with sy
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Bladder urothelial carcinoma (BLCA) is a prevalent malignancy. The poor performance of existing therapeutic approaches in the advanced stages of BLCA underscores the critical need for more sensitive and precise biomarkers to improve patient survival and prognosis. METHODS: This study utilized single-cell RNA sequencing (scRNA-seq) data from BLCA and control groups, employing the high-dimensional Weighted Gene Co-expression Network Analysis (hdWGCNA) algorithm to identify neutrophil-associated genes. These genes were intersected with differentially expressed genes (DEGs) from RNA-se
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Childhood trauma (CT) significantly increases vulnerability to adolescent major depressive disorder (MDD), yet the underlying neurobiological mechanisms remain unclear.
METHODS: This study applied graph-theoretical analysis to structural MRI data to examine how CT influences brain structural networks and antidepressant treatment outcomes in adolescent MDD. A total of 339 adolescents with MDD and 152 healthy controls (HC) were recruited. The MDD group was subdivided into those with (MDD-CT; n = 209) and without (MDD-nCT; n = 106) a history of CT.
RESULTS: Compared with HC, both MD
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.